[发明专利]基于独立成分高序不确定脑网络的磁共振影像分类方法

摘要

本发明公开了基于独立成分高序不确定脑网络的磁共振影像分类方法，涉及图像处理技术。先使用独立成分分析提取默认网络独立成分，接着在独立成分的时间序列上利用时间窗滑动的方法构建高阶功能连接网络，然后使用基于加权图的频繁子图挖掘和特征选择方法，最后以判别性子图作为特征对进行分类识别。该方法不需要依赖先验的脑图谱模板，充分考虑了扫描时间内的时变特性，且将频繁子图挖掘应用到了加权图上，呈现出了更高级、更复杂的大脑区域之间的相互作用。解决了传统的磁共振成像数据分类方法准确率低的问题。

主权项

1.基于独立成分高序不确定脑网络的磁共振影像分类方法，其特征在于，按照以下步骤进行：步骤S1：对静息态功能磁共振成像数据进行预处理，然后使用独立成分分析方法提取出各独立成分；步骤S2：筛选出属于默认网络的独立成分，提取时间序列，并进行后处理；步骤S3：选定长度固定的滑动窗口，按照1s的移动步长，划分默认网络独立成分的时间序列；步骤S4：计算每个时间窗下默认网络成分的时间序列两两间的皮尔逊相关系数，得到低阶关联矩阵；步骤S5：提取每个时间窗下低阶关联矩阵中的元素值，生成高阶关联矩阵；步骤S6：构建高序不确定功能脑网络，节点之间全连接，节点之间边的权值即高阶关联矩阵中的元素；步骤S7：对构建的全连接加权的脑网络进行频繁子图挖掘，得到加权的频繁子图模式；步骤S8：计算基于动态规划的判别性函数的相关统计指标；步骤S9：采用支持向量机分类算法，选择判别性子图特征作为分类依据，构建分类器，然后采用交叉验证方法进行检验；步骤S10：采用互信息分析方法，量化所选判别性子图特征在分类器中的重要度和冗余度，然后根据量化结果对所选判别子图进行二次筛选，优化特征子集。